理解多智能体集体中的遵从与转化动态

文献标题

Understanding Compliance and Conversion Dynamics in Multi-Agent Collectives

出版信息

• 主题领域: 多智能体AI系统中的社会影响动态。
• 关键词: 多智能体系统、社会影响、服从、转化、大型语言模型、人机交互、多数影响、少数异议、扩散动态、规范性任务、信息性任务。

背景与问题

• 问题与挑战: 现有关于多智能体系统的研究主要关注功能角色和短期一致性，忽视了更深层次的社会影响动态，例如转化和时间上的观点变化。
• 重要性: 随着多智能体系统在数字和专业环境中越来越多地影响人类决策，理解这些动态对于信任、自主性和伦理设计具有重要意义。
• 动机与相关研究: 先前的研究表明单个智能体可以引发一致性并影响行为，但多智能体系统的集体影响尚未被充分探索。社会心理学理论（如Moscovici的少数影响理论）表明可能存在更深层次的态度变化，但这些尚未在人机交互背景下进行验证。

解决方案

• 提出的方法: 通过一个控制实验，研究人类与三位由LLM驱动的智能体在三种条件下的交互中的服从和转化动态：多数、少数和扩散。
• 创新点:
  1. 将社会心理学理论（如Moscovici的少数影响理论）扩展到人机交互领域。
  2. 将时间动态和扩散过程纳入多智能体影响研究。
  3. 提供实证证据，展示多数、少数和扩散配置如何影响不同任务类型中的服从和转化。
• 实验流程与关键技术:
  • 参与者（n=127）在三种影响条件下与三位GPT-4驱动的智能体进行交互：多数（所有智能体与参与者意见相反）、少数（一位智能体持异议）、扩散（少数异议随时间扩散）。
  • 任务包括规范性（基于价值）和信息性（基于证据）场景，参与者在五个时间点（T0–T4）报告立场和信心。
  • 分析行为（观点和信心变化）和自我报告的指标（服从、转化、智能体感知）。

结果

• 具体发现:
  • 多数条件在信息性任务中引发了最大的绝对观点和信心变化，与经典一致性理论一致。
  • 少数异议导致了延迟但更深层次的态度变化，表明类似转化的过程。
  • 扩散动态显示，逐渐增长的少数派作为一种说服信号，而突然的变化则降低了可信度。
• 相较基线的优势:
  • 多数条件推动更快、更广泛的观点变化，但深度不足。
  • 少数异议促使部分参与者进行批判性重新评估和反思性调整。
  • 扩散利用时间动态平衡了影响力和信任。
• 实验与评估:
  • 设计: 分组混合设计，包含三种组间条件（多数、少数、扩散）和两种组内任务类型（规范性、信息性）。
  • 指标: 观点和信心变化（有符号和绝对值）、自我报告的服从与转化、智能体感知评分。
  • 数据集: 规范性和信息性任务，随机化并进行平衡排序。
• 局限性与未来研究:
  • 控制实验环境限制了生态现实性；未来研究应探索自然化的自主智能体交互。
  • 对影响的短期测量；需要纵向研究评估持久效果。
  • 参与者群体的文化多样性有限；建议开展跨文化研究。
  • 进一步探索智能体身份线索、智能体间动态以及混合任务背景。

总结

本研究通过三位GPT-4驱动的智能体进行的控制实验，探讨了多智能体AI系统如何通过服从和转化机制影响人类决策。研究表明，多数共识驱动了大规模但有时较浅的观点变化，少数异议促进了更深层次的反思性调整，而扩散动态利用时间上的观点变化作为说服信号。这些发现将社会心理学理论扩展到人机交互领域，并强调了在多智能体系统中平衡影响力、信任和自主性的设计意义。未来工作应关注长期影响、文化多样性以及防止操控的伦理保障。